Pesquisadores investigaram como estudantes reagem ao feedback de IA em avaliações de trabalho em equipe, uma área em que confiança, empatia e percepção de justiça pesam tanto quanto a precisão técnica. Em dois estudos com universitários canadenses, o feedback atribuído a humanos foi mais bem avaliado do que o atribuído à IA, mas mensagens que combinavam credibilidade e acolhimento reduziram parte dessa resistência.

O QUE HÁ DE NOVO: A pesquisa analisou a recepção de feedback gerado por IA em competências interpessoais, não apenas em tarefas mais objetivas, como escrita ou exercícios técnicos. O primeiro estudo envolveu 108 estudantes de uma universidade canadense de médio porte; o segundo, 322 alunos de um curso de negócios. O foco foi verificar se a fonte percebida do feedback, IA, profissional, professor, monitor ou colega, alterava a forma como os estudantes avaliavam sua utilidade, precisão, confiabilidade e justiça.

COMO FUNCIONA: No primeiro experimento, os estudantes participaram de uma simulação com chatbots que representavam colegas de equipe em situações de colaboração, conflito, comunicação e resolução de problemas. Depois, receberam por e-mail um relatório personalizado com pontuação geral, avaliação por dimensão e indicação de pontos fortes. Embora todos os relatórios tenham sido produzidos pela mesma ferramenta de IA, os alunos foram distribuídos aleatoriamente para acreditar que o feedback vinha de um algoritmo, de um profissional de recursos humanos ou de um estudante mais avançado.

No segundo experimento, os participantes avaliaram cenários hipotéticos de trabalho em equipe e receberam relatórios atribuídos a três fontes: IA, professor ou monitor. O desenho testou quatro versões do feedback: uma básica, uma com reforço de credibilidade, uma com linguagem empática e outra combinando os dois elementos. As mensagens de credibilidade destacavam competência, imparcialidade e confiabilidade do avaliador; as de empatia reconheciam esforço, validavam emoções e incentivavam o desenvolvimento. Os pesquisadores também mediram familiaridade prévia com IA, pois esse fator poderia influenciar a aceitação.

PRINCIPAIS RESULTADOS: Nos dois estudos, a preferência por feedback humano apareceu de forma consistente. No primeiro, a reação média ao feedback atribuído à IA foi menor do que ao feedback atribuído a fontes humanas, apesar de o conteúdo ser o mesmo. Não houve diferença relevante entre o feedback supostamente vindo de um profissional de RH e o de um colega, sugerindo que a percepção de “ser humano” pesou mais do que o status do avaliador. No segundo estudo, a versão básica atribuída à IA recebeu média 2,91 em uma escala de 1 a 5, abaixo das médias atribuídas a professor (3,51) e monitor (3,74). Em questionários complementares, os estudantes também declararam confiar mais em feedback humano do que em feedback de IA.

A IDEIA-CHAVE: O estudo mostra que a barreira para o uso educacional da IA não está apenas na qualidade do conteúdo entregue, mas na leitura social que o estudante faz da fonte. Em avaliações de trabalho em equipe, os alunos parecem esperar sinais de intenção, cuidado e compreensão contextual. Quando a IA recebeu apenas um reforço de credibilidade, a melhora foi pequena e não significativa; quando recebeu apenas empatia, houve tendência positiva. A combinação dos dois recursos elevou a reação ao feedback de IA para 3,45, acima da versão básica e próxima do feedback humano não aprimorado, embora ainda abaixo do feedback humano quando também enriquecido.

LIMITAÇÕES E CUIDADOS: Os resultados devem ser lidos com cautela porque a pesquisa foi feita com estudantes de negócios de uma única instituição canadense, e parte das comparações entre subgrupos teve poder estatístico limitado. O segundo estudo usou cenários estáticos, não interações reais de longo prazo em sala de aula. Há também uma questão ética central: tornar o feedback de IA mais empático pode ajudar a aprendizagem, mas não deve criar a impressão enganosa de cuidado humano. Transparência sobre o uso de IA, possibilidade de contestação e supervisão docente são especialmente importantes em avaliações que envolvem comportamento, colaboração e competências socioemocionais.

POR QUE ISSO IMPORTA PARA A EDUCAÇÃO: A pesquisa oferece uma advertência prática para escolas, universidades e empresas de tecnologia educacional: sistemas de feedback de IA podem ser rápidos, escaláveis e consistentes, mas sua eficácia depende de aceitação e confiança. Para estudantes, rejeitar um feedback preciso por desconfiar da fonte pode limitar oportunidades de aprendizagem. Para professores, a evidência favorece modelos híbridos, nos quais a IA apoia a geração de diagnósticos ou comentários iniciais, enquanto educadores mantêm presença, curadoria e responsabilidade pedagógica. Para gestores, o estudo reforça que implantar IA na avaliação exige desenho comunicacional, formação e governança, não apenas aquisição de ferramenta.

O QUE AINDA FALTA: Próximas pesquisas precisarão testar feedback de IA em cursos reais, por períodos mais longos e com estudantes de diferentes áreas, idades e contextos culturais. Também será importante medir se a maior aceitação se traduz em melhoria de desempenho, mudança de comportamento e uso efetivo do feedback. Outro caminho relevante é comparar formatos interativos, como chatbots capazes de responder a dúvidas, com relatórios unidirecionais. A principal implicação é clara: na educação, a IA tende a funcionar melhor quando sua precisão técnica vem acompanhada de transparência, linguagem cuidadosa e participação humana visível.

Fonte: Student reactions to AI versus human feedback in teamwork skills assessment